单阶段目标检测中视觉推理的分析
计算机视觉与模式识别
2022-03-01 v1 机器学习
摘要
当前最先进的单阶段目标检测器受限于将每个图像区域分开处理而未考虑物体间可能的关系。这导致成功检测物体完全依赖于高质量的卷积特征表示。然而，在某些挑战性条件下这有时无法做到。本文分析了在单阶段目标检测中使用推理特征。我们尝试了不同通过自注意力推理图像区域关系的架构。YOLOv3-Reasoner2 模型在推理层中对特征进行空间与语义增强，并将其与原始卷积特征融合以提升性能。YOLOv3-Reasoner2 模型在 COCO 上相对于基线 YOLOv3 取得了约 2.5% 的绝对 mAP 提升，同时仍保持实时运行。
引用
@article{arxiv.2202.13115,
title = {Analysis of Visual Reasoning on One-Stage Object Detection},
author = {Tolga Aksoy and Ugur Halici},
journal= {arXiv preprint arXiv:2202.13115},
year = {2022}
}
备注
Submitted to IEEE International Conference on Image Processing (ICIP) 2022